精神分裂症 精神分裂症大脑功能和认知异常( 二 )


3.活动流预测异常激活
活动流映射成功的预测了两组被试全脑的活动模式(图4) , 两组全脑预测没有显著性差异 。 ROI和网络预测组间差异见图4 。
图4.活动流映射预测异常激活
A. 真实和预测的组间差异 。 B. ROI和DMN的真实和预测的激活 。 * P0.05
4.预测异常行为
所有ROI的激活和个体行为的相关如图5 。
图5. 激活预测行为
A.SCAP准确率与实际激活或预测激活的相关 。 B.实际任务准确率和活动流映射得到的准确率的比较
5.模拟FC干预
平均真实FC和模拟FC间的差异如图6 。 结果表明 , 每个目标脑区与顶叶和前额叶皮层之间的FC增加 。 结合感觉网络的降低 , FC有助于使功能失调的激活和行为正常化 。
图6.SZ假定的连接干预
A. 回归模型用于拟合SZ的FC到HC数据 。 B. 每个ROI平均数据驱动的FC干预权重 。 C. 需要最大和最小FC干预的脑区 。 D. 验证FC干预 。 E. 模拟FC生成的预测行为 。
讨 论
本研究通过“活动流映射”模拟了脑区间与任务相关活动的运动 , 作为FC的函数 。 结果表明 , 行为相关的异常激活可以由分布式空间的来源准确预测 , 这表明了FC对SZ产生异常活动和行为具有关键作用 。
具体而言 , SZ的感觉运动和认知控制网络间的活动流增加 , 导致任务状态下默认网络去激活减少 , 表明SZ无法抑制任务无关信息 。
在以上结果的基础上 , 使用数据驱动的模拟 , 发现改变顶叶和前额叶皮层内的活动可改善SZ的大脑激活和行为表现 , 从而为个性化刺激干预方案提供线索 。
参考文献
Hearne LJ Mill RD Keane BP Repov G Anticevic A Cole MW. Activity flow underlying abnormalities in brain activations and cognition in schizophrenia. Sci Adv. 2021 Jul 14;7(29):eabf2513. doi: 10.1126/sciadv.abf2513. PMID: 34261649; PMCID: PMC8279516.
编译作者:Liu(brainnews创作团队)
校审:Simon(brainnews编辑部)

推荐阅读